[發明專利]基于人工智能的商品溯源數據處理方法及云平臺

有效

• 申請號: 202310457625.X
• 申請日: 2023-04-26
• 公開（公告）號: CN116167781B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 劉克斌;周仁瑜;郭杰軍;李桂華;黃潤鑫
• 申請（專利權）人: 宗申·比亞喬佛山摩托車企業有限公司
• 主分類號: G06Q30/018
• 分類號: G06Q30/018;G06N3/0464;G06N3/08;G06F16/2458
• 代理公司: 廣州博聯知識產權代理有限公司 44663
• 代理人: 梁志標

1.一種基于人工智能的商品溯源數據處理方法，其特征在于，應用于人工智能云平臺，所述方法至少包括：

響應于商品溯源服務器上傳的包含選定商品生產全鏈條監測關鍵詞的溯源知識獲取申請，下發通過泛化全鏈條生產溯源知識挖掘網絡對所述選定商品生產全鏈條監測關鍵詞對應的選定商品生產全鏈條監測報告進行全鏈條生產溯源知識挖掘所得到的所述選定商品生產全鏈條監測報告的泛化全鏈條生產溯源牽涉知識向量；

將所述選定商品生產全鏈條監測關鍵詞與所述選定商品生產全鏈條監測報告的泛化全鏈條生產溯源牽涉知識向量對應保存到泛化全鏈條生產溯源牽涉知識向量集中，以在之后響應任意商品溯源服務器上傳的包含所述選定商品生產全鏈條監測關鍵詞的溯源知識獲取申請時，下發與所述選定商品生產全鏈條監測關鍵詞對應的泛化全鏈條生產溯源牽涉知識向量；

其中，所述泛化全鏈條生產溯源知識挖掘網絡是通過對全鏈條生產溯源知識挖掘網絡與跨模態溯源知識挖掘網絡進行協同學習得到的，每個網絡調試學習示例包括商品生產全鏈條監測學習報告與所述商品生產全鏈條監測學習報告的跨模態生產監測記錄，所述全鏈條生產溯源知識挖掘網絡是根據基于若干個所述網絡調試學習示例所確定的配對調試代價指標進行優化所得到的，所述配對調試代價指標，根據通過所述全鏈條生產溯源知識挖掘網絡對所述商品生產全鏈條監測學習報告進行全鏈條生產溯源知識挖掘所得到的全鏈條生產溯源牽涉知識向量與通過所述跨模態溯源知識挖掘網絡對所述跨模態生產監測記錄進行全鏈條生產溯源知識挖掘所得到的跨模態溯源知識之間的適配支持率確定；

其中，所述泛化全鏈條生產溯源知識挖掘網絡的調試步驟包括：

獲取若干個網絡調試學習示例；

通過全鏈條生產溯源知識挖掘網絡，對各所述網絡調試學習示例的商品生產全鏈條監測學習報告進行全鏈條生產溯源知識挖掘，得到各所述網絡調試學習示例的全鏈條生產溯源牽涉知識向量；

通過跨模態溯源知識挖掘網絡，對各所述網絡調試學習示例的跨模態生產監測記錄進行全鏈條生產溯源知識挖掘，得到各所述網絡調試學習示例的跨模態溯源知識；

結合相同網絡調試學習示例的全鏈條生產溯源牽涉知識向量與跨模態溯源知識生成第一知識配對訓練代價；

結合每兩個網絡調試學習示例的全鏈條生產溯源牽涉知識向量與跨模態溯源知識生成第二知識配對訓練代價；

結合所述第一知識配對訓練代價與所述第二知識配對訓練代價，確定配對調試代價指標；

根據所述配對調試代價指標，對所述全鏈條生產溯源知識挖掘網絡和所述跨模態溯源知識挖掘網絡進行協同學習，將完成調試的全鏈條生產溯源知識挖掘網絡，作為所述泛化全鏈條生產溯源知識挖掘網絡；

其中，所述結合相同網絡調試學習示例的全鏈條生產溯源牽涉知識向量與跨模態溯源知識生成第一知識配對訓練代價，包括：

對于每個網絡調試學習示例，確定所述網絡調試學習示例的全鏈條生產溯源牽涉知識向量與跨模態溯源知識之間的相關性系數，得到各所述網絡調試學習示例的類內知識向量適配支持率，根據各所述網絡調試學習示例的類內知識向量適配支持率，確定第一知識配對訓練代價；

所述結合每兩個網絡調試學習示例的全鏈條生產溯源牽涉知識向量與跨模態溯源知識生成第二知識配對訓練代價，包括：

對于每個網絡調試學習示例，確定所述網絡調試學習示例的全鏈條生產溯源牽涉知識向量與除所述網絡調試學習示例之外的各個網絡調試學習示例的跨模態溯源知識之間的相關性系數，得到各所述網絡調試學習示例的類間知識向量適配支持率，根據各所述網絡調試學習示例的類間知識向量適配支持率，確定第二知識配對訓練代價；

所述結合所述第一知識配對訓練代價與所述第二知識配對訓練代價，確定配對調試代價指標，包括：

結合各所述網絡調試學習示例的類內知識向量適配支持率與各所述類間知識向量適配支持率，確定配對調試代價指標，所述配對調試代價指標與所述類內知識向量適配支持率具有第一量化關系，且與所述類間知識向量適配支持率具有第二量化關系。